The Impact of Vehicle Maneuvers on the Attitude Estimation of GNSS / INS for Mobile Mapping
Notice bibliographique
Résumé
Abstract Integrated Global Navigation Satellite Systems (GNSS) and Inertial Navigation Systems (INS) are the core of georeferencing Mobile Mapping Systems (MMS) data. Divergence of attitude errors is a dominant issue when an INS has to work as a stand-alone system for extended periods. This issue can be mitigated by taking specific vehicle maneuvers to make attitude errors observable. Since MMS applications are time consuming and costly, it is preferable to design the trajectory and motion of the mapping vehicles in advance, to guarantee the accuracy of the attitude estimation and minimize the cost. This article investigates the estimation accuracy of attitude under different vehicle maneuvers theoretically through the observability analysis method. Both theoretical analysis and tests show that the attitude estimation is significantly related with the type of vehicle maneuvers and motion parameters such as velocity, acceleration, and angular velocity. The motion with varying angular velocities is the most efficient motion to enhance the estimation of all attitude angles; the motion with varying accelerations can improve the yaw and pitch but has no effect on enhancing the roll. The uniform circular motion can improve the roll and pitch but has slight or no impact on enhancing the yaw (depending on the forward accelerometer error, the forward velocity, and the vertical angular velocity); the linear motion with a constant acceleration can improve the yaw (depending on the cross-track accelerometer error and the forward acceleration) and weakly improve the pitch but cannot improve the roll. The physical interpretations of these properties are also provided. The “S”-shaped motion with varying angular velocities is suggested for efficient attitude estimation; however, the circle, or “8”-shaped motion with uniform angular velocity, is not efficient for MMS applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».